Python 以成对方式更新值

我有一个成对的df：

raw_data = {0: [5,4,6,8,9], 
        1: [4,8,1,2,5], 
        2: [42, 52, 36, 24, 73], 
        3: [0, 0, 0, 2, 1],
        4: [2, 2, 0, 2, 0]}
df = pd.DataFrame(raw_data, columns = [0,1,2,3,4])

我想将任何0设置为其对的值，例如，第3行第0列有一个0，因此其对将位于第3列第0行，在本例中为值8

我可以通过迭代来实现：

for i in df.index:
    for j in df.columns:
        if df.loc[i,j] == 0:
            df.loc[i,j] = df.loc[j,i]

但是它很慢。我可以应用函数或df方法来快速执行此操作吗

---

谢谢

使用

df

的转置将0s替换为NaNs和

pd.DataFrame.fillna

df[df != 0].fillna(df.T).astype(int)

   0  1   2   3   4
0  5  4  42   8   2
1  4  8  52   2   2
2  6  1  36  24  73
3  8  2  24   2   2
4  9  5  73   1   0

---

使用

where/mask

我们将第一个参数为

True的地方置为空，并在第二个参数中用替换项填充它

df.where(df.astype(bool), df.T)

或者



还有per的建议，Numpy的等价物

pd.DataFrame(np.where(df, df, df.T), df.index, df.columns)

    0   1   2   3   4
0   5   4   6   8   9
1   4   8   1   2   5
2  42  52  36  24  73
3   8   2  24   2   1
4   2   2  73   2   0

您可以通过布尔值指定它

df[df==0]=df.T
df
Out[364]: 
   0  1   2   3   4
0  5  4  42   8   2
1  4  8  52   2   2
2  6  1  36  24  73
3  8  2  24   2   2
4  9  5  73   1   0

啊，这太优雅了。你也可以添加numpy等价物
pd.DataFrame（np.where（df==0，df.T，df））
我稍微调整了一下，忘记了numpy可以测试int的真实性（不像熊猫需要一个布尔掩码）。@LiamMcIntyre df==0这将返回布尔值，然后我们可以将值赋给真值
pd.DataFrame(np.where(df, df, df.T), df.index, df.columns)

    0   1   2   3   4
0   5   4   6   8   9
1   4   8   1   2   5
2  42  52  36  24  73
3   8   2  24   2   1
4   2   2  73   2   0

df[df==0]=df.T
df
Out[364]: 
   0  1   2   3   4
0  5  4  42   8   2
1  4  8  52   2   2
2  6  1  36  24  73
3  8  2  24   2   2
4  9  5  73   1   0